大数据和大分析PDF|Epub|txt|kindle电子书版本网盘下载

大数据和大分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 背景1

1.1大数据的引出和影响3

1.1.1“大数据，大商机”3

1.1.2“数据资产”的引出6

1.1.3数据量庞大9

1.1.4数据结构复杂10

1.1.5数据价值有待挖掘11

1.1.6“数据驱动”的变革12

1.1.7互联网发展中的“数联网”15

1.2为何需要大分析16

1.2.1数据价值评估16

1.2.2“数据资产”变现问题18

1.2.3大分析的技术基础20

1.2.4大分析面临的问题26

1.3大分析的应用案例29

1.3.1新的“啤酒和尿布”29

1.3.2 KPI信息地图30

1.3.3“大数据、超细分、微营销”32

1.4 小结34

第2章 大数据基础 35

2.1大数据的基本理念36

2.1.1概念和定义探索36

2.1.2大数据的技术基础37

2.1.3没有大分析，大数据就是大垃圾38

2.1.4大数据如何借鉴“数据仓库”的经验38

2.1.5企业级数据中心41

2.2大数据与数据仓库的关系42

2.2.1大数据扩展数据仓库理论架构42

2.2.2大数据继承数据仓库数据管理的经验43

2.2.3大数据开启了非结构化数据的处理43

2.2.4大数据要借鉴数据仓库的生态圈43

2.2.5大数据应继承数据分析技术44

2.2.6与数据库的关系44

2.2.7数据仓库借鉴大数据的营销模式44

2.3大数据的基本特点45

2.3.1 “4V”特点45

2.3.2大分析角度的大数据特征45

2.4大数据的价值和意义46

2.4.1围绕客户信息，提供全方位服务46

2.4.2构筑“虚拟团队”，提升团队管理水平46

2.4.3让“智慧城市”“智能交通”等变为可能47

2.4.4构筑“理性社会”终于成为可能47

2.4.5中国前所未有的一次“弯道超车”机遇47

2.5大数据的问题和挑战48

2.5.1数据质量问题越发突出48

2.5.2数据分析技术尚缺实质突破48

2.5.3大数据应用水平需要逐步演进、逐步深化48

2.5.4大数据技术架构面临突破49

2.5.5数据理念与国外仍然相距甚远49

2.5.6大数据是一项系统工程49

2.6小结50

第3章 大数据的管理51

3.1数据如何收集52

3.1.1能获取哪些数据52

3.1.2基于数据价值，决定数据的收集、存放策略53

3.1.3没有应用时，是否收集数据53

3.2数据的标准53

3.2.1数据接口53

3.2.2数据模型55

3.3大数据的ETL过程57

3.4大数据如何存储58

3.4.1数据库/数据仓库58

3.4.2分布式文件系统（HDFS）59

3.4.3混搭模式63

3.4.4 Hive /Hbase等63

3.4.5 MPP 65

3.5数据如何估值和计费65

3.5.1什么数据最好卖66

3.5.2市场价格66

3.5.3数据的开放67

3.6大数据的“数据资产”管理67

3.7数据如何保障安全68

3.8小结71

第4章 大数据的技术架构73

4.1大数据处理架构74

4.1.1大数据处理层级和域75

4.1.2哪些计算适合并行78

4.2为何是混搭架构78

4.2.1大数据混搭架构的利弊分析79

4.2.2架构是否去IOE 80

4.2.3大数据混搭架构实例80

4.3数据集市的模式83

4.3.1数据沙盒模式85

4.3.2贴近角色的平台及应用85

4.3.3文件集市89

4.4数据管控模块89

4.4.1元数据89

4.4.2数据质量91

4.5大数据的“爬虫”技术93

4.5.1定制爬虫Nutch 94

4.5.2分词技术——庖丁分词94

4.5.3索引及全文检索——Splunk95

4.5.4上网数据解析流程97

4.6大数据安全管理框架99

4.6.1安全管控技术架构99

4.6.2管理制度建设101

4.6.3去隐私化技术举例103

4.7小结108

第5章 大数据的数据质量管控111

5.1数据质量概念113

5.1.1基本概念113

5.1.2大数据就不考虑质量了吗117

5.2元数据118

5.2.1数据的数据118

5.2.2元数据的CWM标准120

5.2.3元数据分类122

5.3数据质量管控123

5.3.1数据质量管控目标123

5.3.2数据质量子系统架构124

5.4如何建立数据质量管理制度129

5.4.1数据质量分工管理流程129

5.4.2及时监控和告警136

5.5数据质量管控产品的客户体验139

5.5.1降低技术门槛139

5.5.2产品的手机App化140

5.6小结141

第6章 大数据如何带来大分析143

6.1没有应用的数据是垃圾数据145

6.1.1应用的广度145

6.1.2应用的深度145

6.1.3应用的实时性/融合性146

6.2大分析（BA）的概念147

6.2.1“大分析”的发展变化147

6.2.2大分析的“群众路线”150

6.3大分析（BA）的产品开发151

6.3.1基于数据分析，解决实际问题152

6.3.2 BA产品和分析工具产品的区隔154

6.3.3自助分析158

6.3.4导航式分析161

6.4应用推广问题170

6.4.1市场的“冬天”就是大分析的“春天”170

6.4.2为何需要应用推广170

6.4.3如何证明分析的独特价值171

6.4.4如何解决员工实际的问题172

6.4.5电信和互联网行业应用推广对比172

6.4.6不同的企业用不同的推广方法172

6.5大分析的“闭环”问题173

6.5.1分析和执行的闭环执行173

6.5.2营销流程的设计——营销管理平台173

6.6小结176

第7章 大分析应用案例179

7.1大分析的应用阶段180

7.2非结构化数据的分析181

7.2.1客户投诉内容分析181

7.2.2互联网舆情监控分析183

7.3客户分析184

7.3.1客户生命周期184

7.3.2客户内容属性197

7.3.3客户行为属性203

7.3.4客户新业务分析218

7.3.5客户满意度分析220

7.3.6客户流失分析223

7.4产品分析234

7.4.1建设背景和目的235

7.4.2整体流程235

7.4.3建设中涉及的模型235

7.5内容营销分析240

7.5.1手机视频产品营销触发240

7.5.2手机视频内容分析240

7.5.3目标客户筛选和细分240

7.5.4方案设计241

7.5.5营销脚本设计242

7.5.6营销方式选择243

7.5.7营销方式使用效果243

7.5.8效益评估244

7.6网格化管理分析245

7.7社会渠道欺诈分析247

7.7.1概述247

7.7.2模型方法248

7.7.3模型定义250

7.7.4业务应用255

7.7.5优化方法256

第8章 大数据中的互联网思维257

8.1互联网思维介绍258

8.1.1九大特征258

8.1.2大数据为何需要互联网思维260

8.1.3大数据如何借助互联网思维260

8.2 BA产品定义260

8.3 BA产品的客户体验263

8.3.1客户是谁263

8.3.2客户的体验是什么264

8.3.3提升客户体验的展示形式266

8.3.4提升客户体验的解决问题能力270

8.4 BA产品迭代开发280

8.4.1如何构建共享方式280

8.4.2提供API接口282

8.4.3提供类似App Store开发环境284

8.5 BA产品的“客户入口”把控286

8.5.1抓住客户的入口286

8.5.2让客户参与BA产品开发287

8.5.3 BA产品的内部客户营销287

第9章 大数据的管理架构及探索 289

9.1 BA产品生态圈的建设290

9.1.1生态圈组成290

9.1.2生态圈盈利模式292

9.1.3生态圈的“共赢”293

9.2管理架构举例294

9.2.1互联网企业架构294

9.2.2运营公司的架构295

9.2.3架构的特点分析295

9.3人才的培养296

9.3.1知识结构要求296

9.3.2交际（团队）能力要求297

9.3.3耐压能力要求297

9.4团队的构建及激励298

9.4.1技术人员转型业务人员298

9.4.2业务经验的培养和积累298

9.4.3待遇激励298

第10章 后记299